YOLOv5-DeepSORT行人计数项目教程

项目介绍

本项目结合了YOLOv5的目标检测能力和DeepSORT的行人跟踪技术，实现了高效的行人检测、跟踪及计数功能。该项目主要应用于智能安防、人流管理、交通监控等多个场景，能够实时统计摄像头内出现过的总人数，并对穿越自定义黄线的行人进行计数。

项目快速启动

环境配置

1. 安装CUDA和cuDNN：

   • 下载并安装CUDA 11.1：

     wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
     sudo sh cuda_11.1.1_455.32.00_linux.run
     

   • 下载对应版本的cuDNN：

     wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/11.1_20201106/cudnn-11.1-linux-x64-v8.0.5.39.tgz
     tar -xzvf cudnn-11.1-linux-x64-v8.0.5.39.tgz
     sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
     sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64/
     sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
     

2. 克隆项目仓库：

   git clone https://github.com/zengwb-lx/yolov5-deepsort-pedestrian-counting.git
   cd yolov5-deepsort-pedestrian-counting
   

3. 安装依赖：

   pip install -r requirements.txt
   

运行项目

1. 下载预训练模型：

   wget https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt
   

2. 运行行人计数：

   python person_count.py --source 0  # 使用摄像头
   # 或者
   python person_count.py --source path/to/video.mp4  # 使用视频文件
   

应用案例和最佳实践

智能安防

在智能安防领域，该项目可以实时监控特定区域的人流情况，及时发现异常行为并进行预警。例如，在商场、交通枢纽等公共场所，可以通过该系统实时监控人流密度，预防拥挤等安全风险。

人流管理

在人流管理方面，该项目可以帮助管理者实时了解特定区域的人流情况，合理调配资源。例如，在大型活动中，可以通过该系统实时监控各个入口的人流情况，合理安排工作人员。

交通监控

在交通监控方面，该项目可以实时监控交通路口的行人流量，帮助交通管理部门优化信号灯配时，提高交通效率。例如，在繁忙的交通路口，可以通过该系统实时监控行人流量，合理调整信号灯时间。

典型生态项目

YOLOv5

YOLOv5是一种实时对象检测模型，具有速度快、精度高的特点。它是本项目中用于行人检测的核心技术。

DeepSORT

DeepSORT是一种深度学习驱动的排序算法，用于行人的跟踪。它能够稳定地跟踪视频流中的行人，是本项目中用于行人跟踪的核心技术。

PyTorch

PyTorch是一个开源的深度学习框架，提供了强大的张量计算和动态神经网络构建能力。本项目使用PyTorch框架来实现YOLOv5和DeepSORT的集成。

通过以上模块的介绍和实践，您可以快速上手并应用YOLOv5-DeepSORT行人计数项目，实现高效的行人检测、跟踪及计数功能。